本站原创
摘要：随着电子商务的井喷式进展，网络购物正在被越来越多的人接受和利用，随之而来的是信息量的爆炸式增加。探讨显示，64.4%的电子商务网站消费者会将已购写者对于产品的评论作为他们在电子商务网站作出购写决策的参考信息来源。意见挖掘技术可以帮助潜在购写者、经销商和产品生产者以这些散布在网页中的海量产品评论中获取有效信息。本论文基于意见挖掘框架，对产品属性提取、意见挖掘在电子商务推荐系统中的运用作了探讨和探讨。首先，本论文在评论要素中增加了时间维度的抽取，并建立了层次化产品属性集，提出了基于JWNL(Ja WordNet Library)库的pos标注、情感词表扩展算法。其次，将候选产品属性词周边的词语、产品属性词周边词的词性、候选产品属性词和匹配意见词的位置联系等产品属性词的上下文语法特点纳入考虑范围，以此来帮助判别显性产品属性词，并运用最大熵模型进行训练，使得产品属性提取达到比较好的效果。最后，以Amazon电子商务网站的四款数码相机产品为例，我们对不同粒度的产品属性的情感分值进行了计算，将基于层次化产品属性集合的意见挖掘的评分结果运用于电子商务推荐系统，提出了基于产品属性情感评分的不同产品优劣势比较，并利用PowerBuilder编程工具对部分推荐形式进行了展示。我们结合消费者心理学知识、产品生命周期论述和产品市场扩散论述对情感评分和产品属性热度随时间变化的理由进行了浅析和解释。本论文的革新成果体现在提出了基于JWNL库的情感词表扩展算法，在产品属性提取中考虑了候选产品属性的上下文特点，提出了意见挖掘在电子商务中的运用，我们加入时间维度对产品属性热度和情感分值随时间变化的走势进行探讨，并结合社会科学领域的知识对挖掘结果进行解释浅析。本论文的探讨具有很好的运用价值，不仅能够帮助消费者以海量产品评论中快速获取感兴趣的信息，而且可以为企业的管理决策提供数据支持。关键词：最大熵机器学习论文电子商务推荐论文情感词表扩展论文点互式信息-信息检索论文语义倾向性-点互式信息论文
摘要4-5
Abstract5-7
1 绪论7-17
1.1 探讨背景及作用7-9
1.2 意见挖掘探讨近况9-14
1.3 本论文的框架结构14-17
2 在线评论数据预处理17-32
2.2 产品评论挖掘流程17-19
2.3 产品评论数据源选取19-20
2.4 产品评论信息抽取20-25
2.5 评论词词性标注25-28
2.6 基础词表的构建及扩展28-32
3 产品属性提取及属性集建立32-49
3.1 候选产品属性提取33-36
3.2 显性产品属性提取36-46
3.3 隐性产品属性提取46-48
3.4 层次化产品属性集建立48-49
4 基于产品属性的意见挖掘运用与浅析49-62
4.1 基于产品属性的情感评分计算49-53
4.2 基于情感评分的不同产品比较53-55
4.3 基于产品生命周期的产品属性热度浅析55-58
4.4 基于产品市场扩散的情感评分走势浅析58-62
5 总结与展望62-64
5.1 总结62-63
5.2 展望63-64
致谢64-65